基于量子进化算法的包装式特征选择方法

针对监督分类中的特征选择问题, 提出一种基于量子进化算法的包装式特征选择方法. 首先分析了现有子集评价方法存在过度偏好分类精度的缺点, 进而提出基于固定阈值和统计检验的两种子集评价方法. 然后改进了量子进化算法的进化策略, 即将整个进化过程分为两个阶段, 分别选用个体极值和全局极值作为种群的进化目标. 在此基础上, 按照包装式特征选择遵循的一般框架设计了特征选择算法. 最后, 通过15个UCI数据集分别验证了子集评价方法和进化策略的有效性, 以及新方法相较于其它6种特征选择方法的优越性. 结果表明, 新方法在80%以上的数据集上取得相似甚至更好的分类精度, 在86.67%的数据集上选择了特征个数更小的子集.     

基于Android的旅游服务APP开发

随着信息时代的飞速发展,智能手机逐渐进入普通人的生活,成为人们获取信息的主要设备."旅游服务"是一款专门为各地旅游服务业和旅游爱好者定制的APP,它利用Android Studio 2.2在Windows平台上基于Android 6.0操作系统进行移动应用程序开发.最终能够实现概览、景点、行程、美食四个主页面的展示,侧...     

基于近红外光谱技术的小白菜农药残留鉴别分析

针对市场销售蔬菜存在农药残留的问题,提出了一种高效无损的小白菜农药残留定性分类鉴别方法。以3组小白菜叶片和农药氯氟氰菊酯为研究对象,对其中的2组小白菜分别喷洒2种不同浓度的农药（农药与水的配比分别为1:500和1:20）,构成不含农药、含轻度农残和含重度农残三类样本。分别采集了这三类样本的近红外光谱,然后对该数据进行小波软阈值预处理和主成份分析降维,并对其进行Fisher判决和K近邻分类鉴别。实验结果表明,该方法对小白菜无农药残留和含轻度农药残留两类样本的正确鉴别率为95%,对含轻度农残和含重度农残的两类样本的正确鉴别率为90%。因此本文方法对小白菜农残定性分类鉴别有效,为蔬菜农残定性分类鉴别提供了一种新思路。     

LiFePO4/C多层膜的制备及电化学性能研究

目的研究LiFePO_4/C多层膜在不同的调制周期下的电化学性能。方法采用多靶磁控溅射方法,在304不锈钢基底上,先沉积10 nm Ti薄膜作为阻挡层,然后交替沉积LiFePO_4薄膜和C薄膜,制备三组不同调制周期的[LiFePO4/C]n多层膜。通过扫描电子显微镜(SEM)及其附带的EDS能谱仪对退火前和经500℃退火2 h后的不同调制周期[LiFePO_4/C]n多层膜的截面形貌、成分进行表征,利用X射线衍射仪(XRD)对退火前和经500℃退火2 h后的LiFePO_4薄膜及不同调制周期[LiFePO4/C]n多层膜的结构进行表征,利用激光显微拉曼光谱仪(Raman)分析经500℃退火2 h后不同调制周期[LiFePO_4/C]n多层膜中的C结构,利用循环伏安和恒流充放电法对LiFePO_4薄膜和不同调制周期[LiFePO_4/C]n多层膜的电化学性能进行测试。结果调制周期为7.5次的[LiFePO4 (160 nm)/C(16 nm)]7.5多层膜中的碳石墨化程度高于调制周期为15次的[LiFePO4(80 nm)/C(8 nm)]15和调制周期为5次的[LiFePO_4 (240 nm)/C(24 nm)]5多层膜,且具有更好的充放电容量和倍率性能。在0.1 C放电倍率下,[LiFePO_4 (160 nm)/C(16 nm)]7.5多层膜的放电容量为151 mAh/g,在5 C高放电倍率下的放电容量为30 mAh/g。结论适当的调制周期下,LiFePO_4/C多层膜具有良好的电化学性能。     

解纠缠表示学习在跨年龄人脸识别中的应用

跨年龄人脸识别因其在现实生活中的广泛应用而成为人脸识别领域的热门话题.针对跨年龄人脸识别精度较低的问题,引入解纠缠表示学习,提出了一个基于生成对抗网络的解纠缠表示学习(IPDRL)网络来实现人脸图像的识别.该网络由编码器、生成器和鉴别器构成.编码器在对特征中的年龄变化进行解纠缠的同时,对人脸图像的身份信息进行编码,提取只利于身份鉴别的特征,实现身份特征和年龄特征的解纠缠;生成器根据输入的年龄特征生成对应的身份保持的年龄图像;鉴别器通过对抗学习和多任务学习实现年龄和身份的类分布预测.通过将解纠缠表示学习、对抗学习和多任务学习相结合的方法,很好地保留了人脸图像的身份信息,并使跨年龄人脸图像识别的精度得到了提高.